YOLOv8改进系列，YOLOv8添加AKConv(任意采样形状和任意数目参数的卷积)，助力涨点

---

AKConv论文摘要

基于卷积操作的神经网络在深度学习领域取得了显著成果，但标准卷积操作存在两个固有缺陷。一方面，卷积操作局限于局部窗口，无法捕捉其他位置的信息，其采样形状固定。另一方面，卷积核大小固定为 k × k，形状为固定的正方形，参数数量随大小呈平方增长。显然，不同数据集和位置的目标形状和大小各异。具有固定采样形状和正方形的卷积核无法很好地适应变化的目标。针对以上问题，本文探讨了可变核卷积（AKConv），赋予卷积核任意数量的参数和任意的采样形状，以提供更丰富的选择，平衡网络开销与性能之间的权衡。在AKConv中，通过新的坐标生成算法为任意大小的卷积核定义初始位置。为了适应目标变化，引入偏移量来调整每个位置的采样形状。此外，还通过使用相同大小但不同初始采样形状的AKConv来探索神经网络的影响。AKConv通过不规则卷积操作完成了高效特征提取过程，并为卷积采样形状带来更多探索选项。AKConv可以作为即插即用的卷积操作，替代标准卷积操作以提升网络性能。

AKConv理论详解可以参考链接：论文地址
AKConv代码可在这个链接找到：代码地址

本文在YOLOv8中引入AKConv(任意采样形状和任意数目参数的卷积)，代码已经整理好了，跟着文章复制粘贴，即可直接运行

---